CN114626180A - 配电网集中式储能优化配置方法及装置 - Google Patents

配电网集中式储能优化配置方法及装置 Download PDF

Info

Publication number
CN114626180A
CN114626180A CN202011459778.0A CN202011459778A CN114626180A CN 114626180 A CN114626180 A CN 114626180A CN 202011459778 A CN202011459778 A CN 202011459778A CN 114626180 A CN114626180 A CN 114626180A
Authority
CN
China
Prior art keywords
energy storage
power
distribution network
power distribution
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011459778.0A
Other languages
English (en)
Inventor
梅生伟
杨立滨
吴丹曼
魏韡
谢睿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Qinghai Electric Power Co Clean Energy Development Research Institute
Tsinghua University
State Grid Qinghai Electric Power Co Ltd
Original Assignee
State Grid Qinghai Electric Power Co Clean Energy Development Research Institute
Tsinghua University
State Grid Qinghai Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Qinghai Electric Power Co Clean Energy Development Research Institute, Tsinghua University, State Grid Qinghai Electric Power Co Ltd filed Critical State Grid Qinghai Electric Power Co Clean Energy Development Research Institute
Priority to CN202011459778.0A priority Critical patent/CN114626180A/zh
Publication of CN114626180A publication Critical patent/CN114626180A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Power Engineering (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种配电网集中式储能优化配置方法及装置，该方法包括：获取线性支路潮流模型和储能运行模型；以所述线性支路潮流模型和所述储能运行模型为约束条件，以最小化配电网总运行成本为目标函数，得到配电网经济调度模型；优化求解所述配电网经济调度模型，获取对应的储能分配和最大充放电功率分配结果，以用于配电网分配；其中，所述线性支路潮流模型，包括每一节点的功率平衡方程和每一支路的电压降落方程；所述储能运行模型，包括储能容量和功率转换的动态关系，以及储能容量和充放电功率上下界限制。该方法可以在总投资固定的情况下给出储能容量和最大充放电功率两个关键参数的优化配置建议。

Description

配电网集中式储能优化配置方法及装置
技术领域
本发明涉及电力技术领域，尤其涉及一种配电网集中式储能优化配置方法及装置。
背景技术
化石能源短缺与环境污染问题已引发我国社会的广泛关注。可再生能源的规模化发展是我国实现能源结构优化调整，实现低碳发展的重要途径。风电、光伏等可再生能源发电已得到了高速、大规模的发展和应用。
然而，可再生能源具有间歇性、波动性和随机性的特点，自身调控能力和灵活性较弱。同时，由于工业与经济的快速发展，负荷需求的峰谷差也在持续增大。在缺乏可调度灵活资源时，可再生能源发电的波动性和不断增大的负荷峰谷差给配电网运行带来了巨大挑战，造成大量弃风弃光现象，严重影响经济效益。
储能技术是应对上述挑战的有效手段，可在配电网中有效提升可再生能源的渗透率，减少负荷峰谷差以及对应的电网投资和电源建设，可有效缓解系统调峰受阻、弃风弃光等问题。而电池储能由于不受地理、气候条件的限制，规模可大可小，能量转换效率高达90％以上，且伴随技术进步，寿命不断延长，成本持续下降，是配合可再生能源发电储能的最佳选择之一。配电网运行多采用集中式储能，关键参数包括储能容量和最大充放电功率，而优化储能关键参数配置有利于提升配电网运行和储能投资建设的经济性。因此，亟需一种配电网集中式储能优化配置方法以解决此问题。
发明内容
针对现有技术存在的问题，本发明提供一种配电网集中式储能优化配置方法及装置。
本发明提供一种配电网集中式储能优化配置方法，包括：获取线性支路潮流模型和储能运行模型；以所述线性支路潮流模型和所述储能运行模型为约束条件，以最小化配电网总运行成本为目标函数，得到配电网经济调度模型；优化求解所述配电网经济调度模型，获取对应的储能分配和最大充放电功率分配结果，以用于配电网分配；其中，所述线性支路潮流模型，包括每一节点的功率平衡方程和每一支路的电压降落方程；所述储能运行模型，包括储能容量和功率转换的动态关系，以及储能容量和充放电功率上下界限制。
根据本发明一个的配电网集中式储能优化配置方法，所述每一节点的功率平衡方程和每一支路的电压降落方程，分别包括：
Figure BDA0002831065030000021
Figure BDA0002831065030000022
其中，t为时刻，
Figure BDA0002831065030000023
为有功/无功功率注入，包括燃气机组有功/无功出力
Figure BDA0002831065030000024
可再生能源发电
Figure BDA0002831065030000025
有功/无功负荷
Figure BDA0002831065030000026
以及储能有功输入/输出
Figure BDA0002831065030000027
l为线路支路，i,j分别为线路支路的两个端点，π(j)为端点j的所有子节点；Vit和Vjt分别为节点i,j的电压，V0t为根节点的电压。
根据本发明一个的配电网集中式储能优化配置方法，所述储能容量和功率转换的动态关系，及储能容量和充放电功率上下界限制，包括：
Figure BDA0002831065030000028
Figure BDA0002831065030000031
Figure BDA0002831065030000032
其中，t为时刻，i,j分别为线路支路的两个端点，Ejt为储能容量，
Figure BDA0002831065030000033
为储能充/放电效率，
Figure BDA0002831065030000034
为储能容量/最大充放电功率，α为限制储能最小容量的常数。
根据本发明一个的配电网集中式储能优化配置方法，所述总运行成本根据各时段向上游电网买电成本和配电网内发电机燃料成本确定如下：
Figure BDA0002831065030000035
其中，Pt l0表示连接于松弛节点支路上的有功功率，ξt表示各时段松弛节点的电价，
Figure BDA0002831065030000036
表示发电机单位出力的成本。
根据本发明一个的配电网集中式储能优化配置方法，所述优化求解所述配电网经济调度模型，包括将目标函数转换为线性表达进行求解，所述线性表达包括：
Figure BDA0002831065030000037
Figure BDA0002831065030000038
Figure BDA0002831065030000039
其中，A,B为常数矩阵，b,c为常数向量，x为所有储能分配和功率分配的变量，θ为储能参数向量，0≤θ≤θmax表示θ参数空间
Figure BDA00028310650300000310
m1,…,mN和n1,…,nN为常数标量和向量，CR1,…,CRN是对θ参数空间的判别区域划分；CR为对应起作用约束集构成的判别区域，根据约束条件确定；[-i]表示i＝1,…,i-1,i+1,…,N。
根据本发明一个的配电网集中式储能优化配置方法，所述将目标函数转换为线性表达进行求解，包括基于配电网的多个场景，将所述线性表达转换为多场景的线性表达进行求解。
根据本发明一个的配电网集中式储能优化配置方法，所述转换为多场景的线性表达进行求解,包括转换为如下多场景的线性表达进行求解：
Figure BDA0002831065030000041
Figure BDA0002831065030000042
ρ∈ΔS＝{ρ∈[0,1]S:1Tρ＝1},ρ＝[ρ1,…,ρS]T
Figure BDA0002831065030000043
Figure BDA0002831065030000044
其中，Γ为总预算；
Figure BDA0002831065030000045
Figure BDA0002831065030000046
表示在K(Γ)约束下场景s的最优值函数vs(θ)，
Figure BDA0002831065030000047
Figure BDA0002831065030000048
表示待求的场景分布；
Figure BDA0002831065030000049
表示根据历史数据采样得出的参考场景分布；ΔS表示待求场景分布满足的约束集合。
本发明还提供一种配电网集中式储能优化配置装置，包括：获取模块，用于获取线性支路潮流模型和储能运行模型；构建模块，用于以所述线性支路潮流模型和所述储能运行模型为约束条件，以最小化配电网总运行成本为目标函数，得到配电网经济调度模型；处理模块，用于优化求解所述配电网经济调度模型，获取对应的储能分配和最大充放电功率分配结果，以用于配电网分配；其中，所述线性支路潮流模型，包括每一节点的功率平衡方程和每一支路的电压降落方程；所述储能运行模型，包括储能容量和功率转换的动态关系，以及储能容量和充放电功率上下界限制。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述配电网集中式储能优化配置方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述配电网集中式储能优化配置方法的步骤。
本发明提供的配电网集中式储能优化配置方法及装置，通过线性支路潮流模型和储能运行模型为约束条件，以最小化配电网总运行成本为目标函数，可以在总投资固定的情况下给出储能容量和最大充放电功率两个关键参数的优化配置建议。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的配电网集中式储能优化配置方法的流程示意图；
图2是本发明提供的配电网集中式储能优化配置装置的结构示意图；
图3是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合图1-图3描述本发明的配电网集中式储能优化配置方法及装置。图1是本发明提供的配电网集中式储能优化配置方法的流程示意图，如图1所示，本发明提供配电网集中式储能优化配置方法，包括：
101、获取线性支路潮流模型、储能运行模型。
配电网通常为辐射拓扑结构，线性支路潮流模型，包括每一节点的功率平衡方程和每一支路的电压降落方程。
在一个可选实施例中，忽略网络损耗，有功平衡、无功平衡和电压降落方程描述如下：
Figure BDA0002831065030000061
Figure BDA0002831065030000062
Figure BDA0002831065030000063
其中，t为时刻，
Figure BDA0002831065030000064
为有功/无功功率注入，包括燃气机组有功/无功出力
Figure BDA0002831065030000065
可再生能源发电
Figure BDA0002831065030000066
有功/无功负荷
Figure BDA0002831065030000067
以及储能有功输入/输出
Figure BDA0002831065030000068
l为线路支路，i,j分别为线路支路的两个端点，π(j)为端点j的所有子节点；Vit和Vjt分别为节点i,j的电压，V0t为根节点的电压。等式(1-a)/(1-b)为各节点有功/无功功率平衡方程；(1-c)为各支路电压降落方程。
储能运行约束包括储能容量和功率转换的动态模型，以及储能容量和充放电功率上下界限制。
在一个可选实施例中，其中储能容量和功率转换的动态模型描述如下：
Figure BDA0002831065030000071
储能容量和充放电功率应满足如下范围：
Figure BDA0002831065030000072
Figure BDA0002831065030000073
其中，t为时刻，i,j分别为线路支路的两个端点，Ejt为储能容量，
Figure BDA0002831065030000074
为储能充/放电效率，
Figure BDA0002831065030000075
为储能容量/最大充放电功率，α为限制储能最小容量的常数。由于在配电网中储能所连节点电价为正，因此
Figure BDA0002831065030000076
自然成立，即储能不同时充放电。
102、以所述线性支路潮流模型和所述储能运行模型为约束条件，以最小化配电网总运行成本为目标函数，得到配电网经济调度模型。
配电网的调度目标是最小化整个网络的总运行成本。
在一个可选实施例中，总运行成本，根据各时段向上游电网买电成本和配电网内发电机燃料成本确定，包括最小化各时段向上游电网买电成本和配电网内发电机燃料成本，即：
Figure BDA0002831065030000077
其中，Pt l0表示连接于松弛节点支路上的有功功率，ξt表示各时段松弛节点的电价，
Figure BDA0002831065030000078
表示发电机单位出力的成本。
因此，配电网经济调度模型如下：
Figure BDA0002831065030000079
其中，Cons-BND表示线性支路潮流模型(1)中所有决策变量的上下界约束。
103、优化求解所述配电网经济调度模型，获取对应的储能分配和最大充放电功率分配结果，用于配电网分配。
即求得使目标函数最小的储能和功率的分配结果。
本发明的配电网集中式储能优化配置方法，通过线性支路潮流模型和储能运行模型为约束条件，以最小化配电网总运行成本为目标函数，可以在总投资固定的情况下给出储能容量和最大充放电功率两个关键参数的优化配置建议。
在一个可选实施例中，所述优化求解所述配电网经济调度模型，包括将目标函数转换为线性表达进行求解，所述线性表达包括：
Figure BDA0002831065030000081
Figure BDA0002831065030000082
Figure BDA0002831065030000083
其中，A,B为常数矩阵，b,c为常数向量，x为所有储能分配和功率分配的变量，θ为储能参数向量，0≤θ≤θmax表示θ参数空间
Figure BDA0002831065030000084
m1,…,mN和n1,…,nN为常数标量和向量，CR1,…,CRN是对θ参数空间的判别区域划分；CR为对应起作用约束集构成的判别区域，根据约束条件确定；[-i]表示i＝1,…,i-1,i+1,…,N。
目前关于配电网储能优化配置的研究大多涉及非线性或含整数的规划问题，需要特定的算法才能求解。此外，考虑配电网经济调度的储能规划问题在储能关键参数配置改变时都需要重新计算最优潮流问题，使得改变总投资预算后储能的优化配置问题变得重复繁琐，不利于高效决策。因此，本发明提供一种便于求解的考虑配电网多场景经济调度的集中式储能优化配置方法，从而在不同投资预算下能基于成熟的商业求解器更便捷地给出储能关键参数的配置策略。
考虑单场景配电网经济调度最优值函数的分段线性表达，令储能容量和最大充放电功率构成参数向量
Figure BDA0002831065030000091
单场景配电网经济调度模型(3)的一般矩阵形式如下：
Figure BDA0002831065030000092
0≤θ≤θmax (5)
由于对于θ参数空间中每个确定的θ，配电网经济调度最优解处的起作用和不起作用约束具有如下形式：
A′x＝b′+B′θ
A*x＜b*+B*θ
最优解和最优值可写成如下形式：
x＝A′-1b′+A′-1B′θ,θ∈CR (6)
v(θ)＝cTA′-1b′+cTA′-1B′θ,θ∈CR (7)
其中，CR为对应起作用约束集构成的判别区域。因此，最优值函数v(θ)具有如下分段线性解析表达式：
Figure BDA0002831065030000093
其中，m1,…,mN和n1,…,nN为常数标量和向量；CR1,…,CRN是对θ参数空间的判别区域划分。
以上分段线性表达式可采用基于MATLAB的POP工具箱或启发式算法获得，其中启发式算法步骤可包括如下：
1)在θ参数空间中均匀离散选取I个采样点，即θi,i＝1,…,I；
2)将每个采样点θi代入求解(4)的对偶问题：
Figure BDA0002831065030000101
得到对应最优解μi,i＝1,…,I；
3)消去元素重复的
Figure BDA0002831065030000102
序列，计算分段线性系数mi,ni如下：
Figure BDA0002831065030000103
4)移除冗余的v(θ)分段线性表达，即将v(θ)设为变量y，约束{mi+niθ≤y,i＝1,...,I}整理成Ax≤b形式，求解如下线性优化问题：：
Figure BDA0002831065030000104
其中sj＞0对应的为冗余约束，需被移除；
5)由v(θ)分段线性表达获得对应判别区域：
Figure BDA0002831065030000105
其中[-i]表示i＝1,…,i-1,i+1,…,N.。
在一个实施例中，所述将目标函数转换为线性表达进行求解，包括基于配电网的多个场景，将所述线性表达转换为多场景的线性表达进行求解。
配电网经济调度考虑可再生能源不确定性的多场景随机规划模型如下：
Figure BDA0002831065030000111
其中，s表示某个场景，S为总场景数。目标为最小化多个场景目标函数的加权之和，约束为各场景约束的总和。由于在(13)中场景s下的约束不依赖于其他场景下的变量x和参数b，因此场景s下的最优值函数如下：
Figure BDA0002831065030000112
其中，vs(θ)具有与(8)相同的分段线性表达式，可用启发式算法并行求出。因此，配电网多场景经济调度的最优值函数期望如下：
Figure BDA0002831065030000113
并具有如下上镜图形式：
Figure BDA0002831065030000114
其中，Ns表示场景s中最优值函数vs(θ)的线性分段数。(16)可视为关于储能参数θ的多参数线性规划，因此期望E[v(θ)]也可用上述启发式算法求出对应的分段线性表达式。
在一个实施例中，所述转换为多场景的线性表达进行求解,包括转换为如下多场景的线性表达进行求解：
Figure BDA0002831065030000115
Figure BDA0002831065030000121
ρ∈ΔS＝{ρ∈[0,1]S:1Tρ＝1},ρ＝[ρ1,…,ρS]T
Figure BDA0002831065030000122
Figure BDA0002831065030000123
其中，Γ为总预算；
Figure BDA0002831065030000124
Figure BDA0002831065030000125
表示在K(Γ)约束下场景s的最优值函数vs(θ)，
Figure BDA0002831065030000126
Figure BDA0002831065030000127
表示待求的场景分布；
Figure BDA0002831065030000128
表示根据历史数据采样得出的参考场景分布；ΔS表示待求场景分布满足的约束集合。
建立基于配电网经济调度的集中式储能分布鲁棒优化配置模型。首先基于历史数据建立多场景分布集，再结合储能总投资预算，建立基于配电网经济调度的集中式储能分布鲁棒配置模型。
建立基于历史数据的场景分布集，已有M个可用历史数据构成S个场景的经验分布估计，令M1,M2,…,MS样本属于各个场景，满足
Figure BDA0002831065030000129
从而得到如下经验分布：
Figure BDA00028310650300001210
根据分布鲁棒范式构造概率分布的不确定集如下：
Figure BDA00028310650300001211
使得概率分布ρs在经验值
Figure BDA00028310650300001212
附近变化。参数γ反映了经验分布与真实分布距离的置信水平，满足如下关系：
Figure BDA0002831065030000131
在置信水平为β时，参数γ可设置为：
Figure BDA0002831065030000132
当采样数据接近无穷时，γ下降为0，经验分布与实际分布重合；若采样数据有限，则不确定集D∞中有无穷多概率分布。
建立基于配电网经济调度的集中式储能分布鲁棒优化配置模型，集中式储能的投资成本主要取决于储能容量和最大充放电功率两个关键参数，实际对应于电池阵列和电力电子逆变器成本，总投资可写成如下线性形式：
Figure BDA0002831065030000133
若总预算为Γ，根据配电网多场景经济调度的最优值函数期望(15)，得到基于配电网经济调度的集中式储能分布鲁棒配置模型如下：
Figure BDA0002831065030000134
其中，
Figure BDA0002831065030000135
Figure BDA0002831065030000136
表示在K(Γ)约束下场景s的最优值函数vs(θ)，
Figure BDA0002831065030000137
(22)为双层模型，外层为找出使配电网调度期望成本最大的场景概率分布问题，内层为找出使各场景调度成本期望总和最小化的集中式储能参数配置问题。
在一个可选实施例中，基于配电网经济调度的集中式储能分布鲁棒优化配置模型求解。由于(22)为双层非线性模型，不易直接求解，因此需利用对偶原理先将内层极小化模型转换为对偶极大化模型，代入外层模型先确定使配电网调度期望成本最大的场景概率分布，再将由外层模型确定的概率分布代入内层模型确定集中式储能参数的最优配置。
首先，内层基于多场景配电网经济调度的集中式储能最优配置问题具有如下上镜图形式：
Figure BDA0002831065030000141
其中
Figure BDA0002831065030000142
和
Figure BDA0002831065030000143
是与场景s中最优值函数
Figure BDA0002831065030000144
相关的常数标量和向量，第二行约束表示预算限制，
Figure BDA0002831065030000145
和η表示约束对应的对偶变量。因此，(23)的对偶问题如下：
Figure BDA0002831065030000146
其次，将内层的对偶极大化问题(24)代入分布鲁棒模型(22)，可得(22)的等价线性规划如下：
Figure BDA0002831065030000147
(25)为线性规划，可用成熟的商业求解器直接求解，如CPLEX。将求解(25)得到使配电网调度期望成本最大的场景概率分布ρs代入(23)，求得基于配电网经济调度的集中式储能容量和最大充放电功率的最优配置。(23)也是线性规划，可用成熟的商业求解器直接求解。
本发明的方法，分布鲁棒模型可基于对偶原理转换成可用成熟商业求解器求解的线性规划，无需特定算法。
下面对本发明提供的配电网集中式储能优化配置装置进行描述，下文描述的配电网集中式储能优化配置装置与上文描述的配电网集中式储能优化配置方法可相互对应参照。
图2是本发明实施例提供的配电网集中式储能优化配置装置的结构示意图，如图2所示，该配电网集中式储能优化配置装置包括：获取模块201、构建模块202和处理模块203。其中，获取模块201用于获取线性支路潮流模型和储能运行模型；构建模块202用于以所述线性支路潮流模型和所述储能运行模型为约束条件，以最小化配电网总运行成本为目标函数，得到配电网经济调度模型；处理模块203用于优化求解所述配电网经济调度模型，获取对应的储能分配和最大充放电功率分配结果，以用于配电网分配；其中，所述线性支路潮流模型，包括每一节点的功率平衡方程和每一支路的电压降落方程；所述储能运行模型，包括储能容量和功率转换的动态关系，以及储能容量和充放电功率上下界限制。
本发明实施例提供的装置实施例是为了实现上述各方法实施例的，具体流程和详细内容请参照上述方法实施例，此处不再赘述。
本发明实施例提供的配电网集中式储能优化配置装置，通过线性支路潮流模型和储能运行模型为约束条件，以最小化配电网总运行成本为目标函数，可以在总投资固定的情况下给出储能容量和最大充放电功率两个关键参数的优化配置建议。
图3是本发明提供的电子设备的结构示意图，如图3所示，该电子设备可以包括：处理器(processor)301、通信接口(Communications Interface)302、存储器(memory)303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互间的通信。处理器301可以调用存储器303中的逻辑指令，以执行配电网集中式储能优化配置方法，该方法包括：获取线性支路潮流模型和储能运行模型；以所述线性支路潮流模型和所述储能运行模型为约束条件，以最小化配电网总运行成本为目标函数，得到配电网经济调度模型；优化求解所述配电网经济调度模型，获取对应的储能分配和最大充放电功率分配结果，以用于配电网分配；其中，所述线性支路潮流模型，包括每一节点的功率平衡方程和每一支路的电压降落方程；所述储能运行模型，包括储能容量和功率转换的动态关系，以及储能容量和充放电功率上下界限制。
此外，上述的存储器303中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的配电网集中式储能优化配置方法，该方法包括：获取线性支路潮流模型和储能运行模型；以所述线性支路潮流模型和所述储能运行模型为约束条件，以最小化配电网总运行成本为目标函数，得到配电网经济调度模型；优化求解所述配电网经济调度模型，获取对应的储能分配和最大充放电功率分配结果，以用于配电网分配；其中，所述线性支路潮流模型，包括每一节点的功率平衡方程和每一支路的电压降落方程；所述储能运行模型，包括储能容量和功率转换的动态关系，以及储能容量和充放电功率上下界限制。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的配电网集中式储能优化配置方法，该方法包括：获取线性支路潮流模型和储能运行模型；以所述线性支路潮流模型和所述储能运行模型为约束条件，以最小化配电网总运行成本为目标函数，得到配电网经济调度模型；优化求解所述配电网经济调度模型，获取对应的储能分配和最大充放电功率分配结果，以用于配电网分配；其中，所述线性支路潮流模型，包括每一节点的功率平衡方程和每一支路的电压降落方程；所述储能运行模型，包括储能容量和功率转换的动态关系，以及储能容量和充放电功率上下界限制。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种配电网集中式储能优化配置方法，其特征在于，包括：
获取线性支路潮流模型和储能运行模型；
以所述线性支路潮流模型和所述储能运行模型为约束条件，以最小化配电网总运行成本为目标函数，得到配电网经济调度模型；
优化求解所述配电网经济调度模型，获取对应的储能分配和最大充放电功率分配结果，以用于配电网分配；
其中，所述线性支路潮流模型，包括每一节点的功率平衡方程和每一支路的电压降落方程；所述储能运行模型，包括储能容量和功率转换的动态关系，以及储能容量和充放电功率上下界限制。
2.根据权利要求1所述的配电网集中式储能优化配置方法，其特征在于，所述每一节点的功率平衡方程和每一支路的电压降落方程，分别包括：
Figure FDA0002831065020000011
Figure FDA0002831065020000012
其中，t为时刻，
Figure FDA0002831065020000013
为有功/无功功率注入，包括燃气机组有功/无功出力
Figure FDA0002831065020000014
可再生能源发电
Figure FDA0002831065020000015
有功/无功负荷
Figure FDA0002831065020000016
以及储能有功输入/输出
Figure FDA0002831065020000017
l为线路支路，i,j分别为线路支路的两个端点，π(j)为端点j的所有子节点；Vit和Vjt分别为节点i,j的电压，V0t为根节点的电压。
3.根据权利要求1或2所述的配电网集中式储能优化配置方法，其特征在于，所述储能容量和功率转换的动态关系，及储能容量和充放电功率上下界限制，包括：
Figure FDA0002831065020000018
Figure FDA0002831065020000019
Figure FDA00028310650200000110
其中，t为时刻，i,j分别为线路支路的两个端点，Ejt为储能容量，
Figure FDA0002831065020000021
为储能充/放电效率，
Figure FDA0002831065020000022
为储能容量/最大充放电功率，α为限制储能最小容量的常数。
4.根据权利要求3所述的配电网集中式储能优化配置方法，其特征在于，所述总运行成本根据各时段向上游电网买电成本和配电网内发电机燃料成本确定如下：
Figure FDA0002831065020000023
其中，Pt l0表示连接于松弛节点支路上的有功功率，ξt表示各时段松弛节点的电价，
Figure FDA0002831065020000024
表示发电机单位出力的成本，
Figure FDA0002831065020000025
为燃气机组有功出力。
5.根据权利要求4所述的配电网集中式储能优化配置方法，其特征在于，所述优化求解所述配电网经济调度模型，包括将目标函数转换为线性表达进行求解，所述线性表达包括：
Figure FDA0002831065020000026
Figure FDA0002831065020000027
Figure FDA0002831065020000028
其中，A,B为常数矩阵，b,c为常数向量，x为所有储能分配和功率分配的变量，θ为储能参数向量，0≤θ≤θmax表示θ参数空间，
Figure FDA0002831065020000029
m1,…,mN和n1,…,nN为常数标量和向量，CR1,…,CRN是对θ参数空间的判别区域划分；CR为对应起作用约束集构成的判别区域，根据约束条件确定；[-i]表示i＝1,…,i-1,i+1,…,N。
6.根据权利要求5所述的配电网集中式储能优化配置方法，其特征在于，所述将目标函数转换为线性表达进行求解，包括基于配电网的多个场景，将所述线性表达转换为多场景的线性表达进行求解。
7.根据权利要求6所述的配电网集中式储能优化配置方法，其特征在于，所述转换为多场景的线性表达进行求解,包括转换为如下多场景的线性表达进行求解：
Figure FDA0002831065020000031
Figure FDA0002831065020000032
Figure FDA0002831065020000033
Figure FDA0002831065020000034
其中，M为可用历史数据，M个可用历史数据构成S个场景的经验分布估计，M1,M2,…,MS样本属于各个场景；S为场景总数，Γ为总预算，ρs为场景s的概率；
Figure FDA0002831065020000035
Figure FDA0002831065020000036
表示在K(Γ)约束下场景s的最优值函数vs(θ)，
Figure FDA0002831065020000037
Figure FDA0002831065020000038
表示待求的场景分布；
Figure FDA0002831065020000039
表示根据历史数据采样得出的参考场景分布；ΔS表示待求场景分布满足的约束集合。
8.一种配电网集中式储能优化配置装置，其特征在于，包括：
获取模块，用于获取线性支路潮流模型和储能运行模型；
构建模块，用于以所述线性支路潮流模型和所述储能运行模型为约束条件，以最小化配电网总运行成本为目标函数，得到配电网经济调度模型；
处理模块，用于优化求解所述配电网经济调度模型，获取对应的储能分配和最大充放电功率分配结果，以用于配电网分配；
其中，所述线性支路潮流模型，包括每一节点的功率平衡方程和每一支路的电压降落方程；所述储能运行模型，包括储能容量和功率转换的动态关系，以及储能容量和充放电功率上下界限制。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述配电网集中式储能优化配置方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述配电网集中式储能优化配置方法的步骤。
CN202011459778.0A 2020-12-11 2020-12-11 配电网集中式储能优化配置方法及装置 Pending CN114626180A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011459778.0A CN114626180A (zh) 2020-12-11 2020-12-11 配电网集中式储能优化配置方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011459778.0A CN114626180A (zh) 2020-12-11 2020-12-11 配电网集中式储能优化配置方法及装置

Publications (1)

Publication Number Publication Date
CN114626180A true CN114626180A (zh) 2022-06-14

Family

ID=81896116

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011459778.0A Pending CN114626180A (zh) 2020-12-11 2020-12-11 配电网集中式储能优化配置方法及装置

Country Status (1)

Country Link
CN (1) CN114626180A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115425669A (zh) * 2022-09-27 2022-12-02 国网河北省电力有限公司雄安新区供电公司 一种分布式储能配置方法、介质和装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115425669A (zh) * 2022-09-27 2022-12-02 国网河北省电力有限公司雄安新区供电公司 一种分布式储能配置方法、介质和装置

Similar Documents

Publication Publication Date Title
Khatod et al. Evolutionary programming based optimal placement of renewable distributed generators
CN104362677B (zh) 一种主动配电网优化配置结构及其配置方法
CN108306303B (zh) 一种考虑负荷增长和新能源出力随机的电压稳定评估方法
CN103151803B (zh) 一种含风电系统机组及备用配置的优化方法
CN109615141B (zh) 一种多能源系统并网优化调度方法及装置
CN105005872A (zh) 一种移峰填谷的储能系统的容量配置方法
CN110110948B (zh) 一种多目标分布式电源优化配置方法
CN110867852B (zh) 计及全寿命周期成本的微电网储能优化配置方法及装置
CN114744687A (zh) 一种虚拟电厂的能源调控方法及系统
CN112671035A (zh) 一种基于风电预测的虚拟电厂储能容量配置方法
CN111786417A (zh) 一种面向分布式新能源消纳的主动配电网多目标区间优化调度的方法
CN104795828A (zh) 基于遗传算法的风储容量配置方法
Wang et al. An improved min-max power dispatching method for integration of variable renewable energy
CN115114854A (zh) 一种虚拟电厂分布式资源两级自组织优化聚合方法及系统
Liu et al. Improving the economic and environmental benefits of the energy system: A novel hybrid economic emission dispatch considering clean energy power uncertainty
CN114595891A (zh) 一种配电网电压及潮流越界风险评估方法、系统及设备
CN114529100A (zh) 一种面向区域电网风光消纳的储能优化配置方法及系统
CN114626180A (zh) 配电网集中式储能优化配置方法及装置
CN114094609B (zh) 电网储能系统的优化配置方法
CN114298383A (zh) 一种虚拟电厂储能容量配置方法及装置
CN114884101A (zh) 一种基于自适应模型控制预测的抽水蓄能调度方法
CN108022055A (zh) 一种基于粒子群模型的微电网经济调度方法
CN111967646A (zh) 一种虚拟电厂可再生能源优化配置方法
Kaneda et al. Optimal management of storage for offsetting solar power uncertainty using multistage stochastic programming
CN112821451B (zh) 基于需求侧管理与储能的城镇配电网光伏接入应对方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination